要約
近年、半教師あり学習と3次元部屋レイアウト再構成に関する研究が活発に行われています。本研究では、これらの2つの分野の交差点を探求し、より少ないラベリングデータでより正確な3次元室内シーンモデリングを可能にするという研究目標を達成するために取り組んでいます。我々は、ラベリング済みデータと未ラベリングデータの組み合わせを使用して、部屋のコーナーと境界の表現を学習する最初の手法を提案します。これにより、360度パノラマシーンにおけるレイアウト推定が改善されます。多数の比較実験を通じて、我々は提案手法がわずか20件のラベリング済みサンプルを使用することで複雑な室内シーンのレイアウト推定を進展させられることを示しています。合成データで事前学習されたレイアウト予測器と組み合わせると、我々の半教師あり手法は完全教師あり手法に匹敵する性能を12%のラベルだけで達成できます。本研究は、限られたラベリングデータで多くの3次元認識アプリケーションを可能にする堅牢な半教師ありレイアウト推定への重要な第一歩となります。